Marsjunwang/nblane

O que nblane faz?

nblane — Co-evolução de habilidades Humano+Agente+Equipe em texto simples: SKILL.md + YAML de árvore de habilidades, pool de evidências e referências, análise de lacunas, exportação de contexto para LLMs. CLI, Streamlit, ingestão opcional de currículo/kanban, leitura de recursos MCP. Nativo em Git; sem BD.

---

nblane é uma habilidade projetada para times e agentes de IA que desejam evoluir suas competências de forma colaborativa e rastreável. Tudo é armazenado em arquivos de texto simples, versionados no Git, sem dependência de banco de dados.

Principais Funcionalidades

• SKILL.md: Define a estrutura de habilidades em Markdown, com descrições, níveis de proficiência e links para evidências.
• Árvore de Habilidades YAML: Representa hierarquias e dependências entre habilidades, facilitando o planejamento de aprendizado.
• Pool de Evidências: Coleção de referências, projetos concluídos e resumos que comprovam o domínio de cada habilidade.
• Análise de Lacunas: Compara o estado atual com o desejado, identificando pontos fracos e sugerindo próximos passos.
• Exportação de Contexto para LLMs: Gera um resumo otimizado para grandes modelos de linguagem, permitindo que eles continuem o processo de aprendizado.
• Interface CLI e Web: Use pela linha de comando ou pelo Streamlit para visualização interativa.
• Ingestão de Currículo/Kanban: Opcionalmente, importe currículos ou quadros kanban para enriquecer o pool de evidências.
• Leitura de Recursos MCP: Integra-se ao Model Context Protocol para buscar dados externos.

Como Funciona

1. Crie um diretório Git com um arquivo SKILL.md e uma árvore de habilidades skills.yaml.
2. Adicione evidências na pasta evidence/ (por exemplo, project-alpha.md, reference-paper.md).
3. Execute nblane analyze para gerar a análise de lacunas.
4. Use nblane export para obter o contexto pronto para LLMs.
5. Opcionalmente, use nblane ingest --resume meu-curriculo.pdf ou --kanban board.json.

Exemplo de Uso

# Inicializar um novo projeto de habilidades
nblane init

# Adicionar uma evidência
echo "Projeto X entregue com sucesso, utilizando Python e Docker." > evidence/projeto-x.md

# Executar análise de lacunas
nblane analyze

# Exportar contexto para LLM
nblane export > contexto-para-llm.md

# Iniciar interface web
nblane streamlit

Suporte a Plataformas

• CLI: Linux, macOS, Windows (via terminal)
• Web: Streamlit (executado localmente)
• MCP: Leitura de recursos de servidores compatíveis
• Git: Nativo, sem banco de dados

Requisitos

• Python 3.8+
• Git instalado
• (Opcional) Streamlit para interface web

Licença

MIT